Mistral OCR 4 发布：企业文档智能开始从“识字”走向可验证结构化
Mistral AI 在 6 月 23 日发布 OCR 4，重点不再只是把 PDF 转成文本，而是输出边界框、区块类型和置信度等结构化信号，适合企业知识库、RAG 和合规流程关注。
6 月 23 日，Mistral AI 发布 OCR 4。这次更新的核心变化，是把传统 OCR 的“把图片或 PDF 变成文字”，推进到“把文档变成可定位、可分类、可追溯的数据结构”。对于正在做企业知识库、RAG、合同审阅、票据处理和合规归档的团队，这类能力比单纯识别准确率更关键。
背景：企业 AI 的输入瓶颈仍在文档
大量企业数据仍藏在 PDF、扫描件、PPT、合同、表格和历史档案里。早期 OCR 能解决“看不见文字”的问题，但生成式 AI 工作流需要更多上下文：哪一段是标题，哪一块是表格，哪个字段置信度较低，引用到底对应页面的哪个位置。Mistral OCR 4 的定位正是补齐这层文档结构。
这次更新有哪些重点
根据 Mistral 官方说明，OCR 4 支持 170 种语言，面向 PDF、DOC、PPT 和 OpenDocument 等常见企业格式。它不仅返回文本，还返回边界框、区块分类和置信度，用于高亮定位、引用溯源、敏感信息遮盖和人工复核。Mistral 还强调该模型可用单容器部署，适合有数据主权和私有化要求的组织。
商业化方面，Mistral 给出的 API 定价为每 1,000 页 4 美元，Batch API 有 50% 折扣；Document AI 应用层服务为每 1,000 页 5 美元。Microsoft 也同步宣布 Mistral Document AI with OCR 4 进入 Microsoft Foundry，这意味着 Azure 生态内的企业客户可以更直接地把结构化 OCR 接入现有 AI 工作流。
影响：OCR 正在变成 Agent 的证据入口
过去企业导入 OCR，常见目标是降本和录入自动化。现在的变化是，OCR 结果会直接进入检索增强生成、智能问答、自动审阅和流程 Agent。边界框与置信度让系统可以标出“答案来自哪一页哪一区域”，也能把低置信字段交给人工复核，降低 AI 在合同、财务、医疗资料等场景中“看错又说得很肯定”的风险。
这也说明文档 AI 的竞争焦点正在从通用大模型能力，转向“模型、结构化输出、部署形态、成本和审计能力”的组合。对企业客户来说，能否接入现有云平台和私有环境，往往与模型分数同样重要。
适合哪些人关注
企业知识库和 RAG 团队需要关注，因为更好的文档结构会直接影响检索质量和答案可追溯性。
金融、法律、制造、政企和医疗信息化团队需要关注，因为这些场景的文档格式复杂、合规要求高，不能只看“能否抽出文字”。
AI 应用开发者也值得关注，OCR 4 提供的区块类型和坐标信息，可以让文档问答、合同审核、票据抽取类产品做出更可靠的交互。
本站观察
OCR 4 的意义不只是“又一个更准的 OCR 模型”。它反映了一个更大的产品趋势：企业 AI 需要的不只是生成答案，还需要生成答案前的可信输入层。未来文档智能产品的差异化，可能会体现在能否保留证据、能否适配私有部署、能否稳定处理低质量扫描件，以及能否把结构化输出交给后续 Agent 使用。
